Mohamad F Dan Kalamullah Ramli

7/26/2019 Mohamad F Dan Kalamullah Ramli

1/9

JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 6-14

6

Efisiensi Kinerja Pengelolaan Energi pada ArsitekturDataCenterKomputasi

Awan Menggunakan Greencloud

Mohamad Fathurahman1*

dan Kalamullah Ramli2

1. Teknik Telekomunikasi, Jurusan Teknik Elektro, Politeknik Negeri Jakarta, Depok 16425, Indonesia

2. Departemen Teknik Elektro, Fakultas Teknik, Universitas Indonesia, Depok 16425, Indonesia

*E-mail: [email protected]

Abstrak

Keberadaan data center pada sistem cloud computing sangat besar artinya. Data center yang terletak pada lapisan

infrastucture as a services(IaaS) pada sistem cloudberisi komponen fisik yang meliputi komponen komputasi seperti

server dan switch dan komponen non komputasi seperti sistem pendingin dan pengaturan suhu. Seiring dengan

meningkatnya jumlah pengguna data center, maka konsumsi daya listrik pada data center akan meningkat. Telah

diusulkan skema penghematan energi pada data center yakni skema DVFS dan DNS. Pada penelitian ini telah

disimulasikan menggunakan Greencloud, yang merupakan ekstensi dari NS2, kepada tiga macam arsitektur datacenter

yakni two-tier, three-tierdan three-tier high-speeddengan jenis workloadadalah high performance computing(HPC).

Penerapan skema penghematan meliputi skema DVFS dan DNS saja serta DVFS dan DNS sekaligus. Dari hasil yang

diperoleh menunjukkan bahwa penerapan skema DNS menunjukkan hasil terbaik karena berhasil melakukan

penghematan rata-rata sebesar 63,42% pada server dan hampir 100% pada switch.

Abstract

Performance Comparison between Energy-Aware Cloud Computing Data Center Architectures Using

GreenCloud.The existence of a data center in the cloud computing system was huge. Data center is located on the IaaS

layer cloud systems containing physical component includes computing components such as servers and switches and

non-computing components such as cooling systems and temperature regulation. Along with the increasing number ofusers of data center, then the electric power consumption in the data center will increase. Energy conservation schemes

have been proposed in the data center is DNS and DVFS. In this study has been simulated using GreenCloud, which is

an extension of NS2, the three kinds of data center architecture these are two-tier, three-tier and three-tier high-speed

with the type of data center workloads is high performance computing (HPC). The applications of the savings schemes

include schemes DVFS only, DNS only and both DVFS and DNS. From the results obtained indicate that the

application of the DNS control scheme is the best because it managed to save an average of 63.42% on the server and

almost 100% on the switch for all data center architecture.

Keywords: cloud computing, data center, DVFS, DNS, GreenCloud and NS2

1. Pendahuluan

Perkembangan dunia internet dalam dekade terakhir di

Indonesia tumbuh sangat pesat. Kebutuhan akan

informasi yang berasal dari internet bukan hanya

diperlukan oleh beberapa kalangan tertentu dengan

bidang tertentu tapi juga berbagai kalangan dengan

berbagai jenis informasi yang diperlukan. Penyedia jasa

jaringan internet untuk memenuhi kebutuhan tersebut

tentu saja harus mampu menyediakan kebutuhan dari

usernya.

Untuk kebutuhan layanan data dan informasi, seperti di

perkantoran dan lingkungan pendidikan, telah banyak

digunakan fasilitas berupa komputasi awan (cloud

computing). Pada beberapa tahun terakhir layanan

komputasi awan mengalami peningkatan yang cukup

signifikan karena melibatkan datacenterdan paradigma

komputasi paralel. Sebagian besar perusahaan IT dunia,

seperti Microsoft, Google, Amazone dan IBM

merupakan pelopor layanan komputasi awan. Dengan

adanya layanan komputasi awan, sebuah lembaga atau

perusahaan tidak perlu lagi memiliki datacentersendiri


2/9

JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 6-14 7

untuk penyimpanan data/arsip yang dimilikinya.

Kebutuhan akan data center dipenuhi melalui layanan

komputasi awan ini sehingga akan banyak menghemat

biaya karena lembaga atau perusahaan tidak perlu

membangun dan mengoperasikan data centernya

sendiri.

Bagi penyedia layanan komputasi awan, selanjutnya

akan dinyatakan sebagai cloud, tren seperti ini adalah

sebuah peluang bisnis yang sangat menarik [1]. Layanan

cloud sendiri sebetulnya adalah layanan penyediaan

datacenterbaik untuk keperluan pribadi maupun bisnis.

Dengan semakin banyaknya pengguna layanan ini,

penyedia layanan cloud harus banyak mengoperasikan

data center. Dari definisi sederhana sendiri, cloud

computing didefinisikan sebagai sebuah kolam yang

terdiri atas sekumpulan sumber daya teknologi

informasi yang terorganisir untuk menyediakan sebuah

fungsi komputasi sebagai sebuah utilitas. Cloud

computing adalah suatu paradigma di mana informasisecara permanen tersimpan di server di internet dantersimpan secara sementara di komputer pengguna

(client) termasuk di dalamnya adalah desktop, komputer

tablet, notebook, komputer tembok, handheld, sensor-

sensor, monitor, dan lain-lain [2].

Biasanya pemberi layanan cloud kelas dunia memiliki

berbagai macam data center yang terdistribusi secara

geografis. Pengoperasian datacenteryang terdistribusi

secara geografis memerlukan penggunaan sumber daya

listrik yang besar pula. Apabila penyedia layanan cloud

tidak mampu melakukan efisiensi penggunaan daya

listrik, maka akan berpengaruh terhadap kualitas

layanan cloud.

Berdasarkan hal tersebut di atas, dari sudut pandang

efisiensi energi, komputasi awan adalah kolam sumber

daya komputasi dan komunikasi yang dikelola

sedemikian hingga mampu mengubah energi daya yang

diterima menjadi kegiatan komputasi atau transfer data

yang diinginkan pengguna [3]. Dengan pertimbangan

efisiensi energi pada cloud, perlu dilakukan studi untuk

mengetahui seberapa besar penggunaan energi listrik

pada data center dan metode efisiensi apa saja yang

dapat dilakukan. Selanjutnya akan dibahas data center

dan efisiensi energi, skenario dan hasil pembahasan.

DataCenterdan Efisiensi Energi. Sebuah sistem cloudterdiri atas infrastruktur, platform dan perangkat lunak

yang menjadi satu kesatuan dalam melayani pelanggan

cloudyang terdaftar berdasarkan layanan yang diinginkan.

Di dunia industri, layanan ini masing-masing meliputi

Infrastructure as a Service(IaaS), Platform as a Service

(PaaS), dan Software as a Service (SaaS).

Secara umum sebuah sistem komputasi awan dapat

dibagi ke dalam tiga lapisan berdasarkan ketiga konsep

IaaS, PaaS dan SaaS seperti tampak pada Gambar 1.

Gambar 1 Arsitektur Komputasi Awan [4]

Lapisan IaaS bertanggungjawab terhadap pengelolaan

fisik mesin, pembuatan kolam mesin virtual atau sumber

daya penyimpan melalui mekanisme virtualisasi untuk

menyediakan layanan elastis bagi lapisan di atasnya.

Lapisan PaaS berada di atas lapisan IaaS dimanaplatformnya terdiri atas sistem operasi dan framework

aplikasi. Lapisan teratas ditempati oleh SaaS yang di

dalamnya terdapat aplikasi cloud yang sebenarnya.

Dalam pembahasan tentang efisiensi energi pada data

center, pembahasan akan difokuskan pada lapisan IaaS.

Berdasarkan arsitektur cloud pada Gambar 1, lapisan

IaaS terdiri atas tiga lapisan yakni, physical resource,

virtual resource dan management tool [4]. Physical

resource terdiri atas data center dengan komponen-

komponennya seperti server, switchdan komponen non

IT seperti sistem pendingin dan pencahayaan.

Masalah utama dari infrastruktur cloud bukan hanyadari segi biaya yang mahal akan tetapi juga kurang

ramah lingkungan. Biaya pemakaian energi yang tinggi

kemudian emisi karbon yang dihasilkan akibat akan

tingginya kebutuhan akan energi listrik baik untuk

tujuan yang berhubungan dengan komputasi ataupun

untuk tujuan pendukung operasional dari data center.

Para penyedia layanan infrastruktur cloudperlu untuk

mengukur agar margin keuntungan layanan cloud tidak

tereduksi oleh tingginya biaya pemakaian energi listrik.

Banyak diantara penyedia layanan cloud membangun

datacenternya di dekat sumber air agar pasokan energi

dapat diperoleh dari Pembangkit Listrik Tenaga Air

(PLTA). Belum lagi ada tekanan dari pemerhati

lingkungan agar mengurangi emisi karbon untukmengurangi pengaruh dari perubahan iklim.

Datacentersangat populer dalam provisioningsumber

daya komputasi. Biaya operasional data center telah

meningkat seiring dengan meningkatnya kapasitas

komputasi. Konsumsi energi dari data center telah

menjadi masalah yang berkembang di kalangan

pengelola datacenter. Hal ini menjadi salah satu pintu

masuk utama dalam tagihan utama operasional data

center(OPEX).


3/9


Kolam server pada teknologi datacentersaat ini dapat

menangani 100.000 host dengan sekitar 70%

komunikasi dilakukan secara internal [5]. Hal ini

menjadi tantangan dalam merancang arsitektur jaringan

yang saling berhubungan dan protokol komunikasi yang

digunakan.

Penelitian terdahulu menunjukkan bahwa hampir 90%

konsumsi energi listrik dari datacenterdihabiskan oleh

perangkat IT seperti server dan switch dan perangkat

pendingin serta sisanya terbuang sebagai panas dan

perangkat non IT lainnya [3].

Pada beberapa tahun terakhir, layanan komputasi awan

meningkat pesat karena adanya keterlibatan datacenter

dan paradigma komputasi paralel. Pengoperasian data

centeryang tersebar di wilayah yang luas memerlukan

pertimbangan seberapa besar konsumsi energi terhadap

total biaya pengoperasian dari datacenter.

Salah satu tantangan terbesar dari pengelola datacenter

adalah meningkatnya biaya konsumsi untuk daya dan

pendinginan. Seperti ditunjukkan pada Gambar 2

berikut, pada dekade terakhir biaya untuk daya dan

pendingin data center telah meningkat sebesar 400%

dan kecenderungannya akan terus meningkat. Pada

beberapa kasus, konsusmi daya listrik memakan porsi

40-50% dari keseluruhan biaya operasional dari data

center [6].

Berdasarkan surver terakhir pada data center, faktor

penghambat terbesar dalam pengembangan datacenter,

senilai 59% adalah berasal dari konsumsi daya dan

pendinginan [7].

Jika kecenderungan ini terus terjadi, kemampuan data

center untuk menambah layanan baru akan terhambat.

Untuk mengatasi hal ini, pengelola datacentermemiliki

tiga pilihan [6], sebagai berikut 1) menambah kapasitas

daya dan pendingin, 2) membangun datacenterbaru, 3)

melakukan pengelolaan energi yang memaksimalkan

penggunaan kapasitas yang ada.

Gambar 2. Struktur Pembiayaan Data Center dan

Kecenderungannya [6]

Dua pilihan awal akan sangat mahal karena melibatkan

belanja modal dan pemasangan instalasi baru. Maka

pilihan ketigalah yang paling memungkinkan untuk

mengatasi dua hal tersebut di atas. Berikut ini akan

diuraikan secara singkat dua macam skema pengelolaan

energi pada datacenteryang meliputi

Arsitektur Data Center. Kolam server pada sebuah

data center saat ini mampu menangani sampai dengan

100.000 host dengan sekitar 70% pelaksanaan

komunikasi dilaksanakan secara internal [5]. Hal ini

memberikan tantangan dalam merancang arsitektur

jaringan interkoneksi dan protokol komunikasinya. Pada

skala data center, arsitektur konvensional sering kali

terjadi bottleneck disebabkan karena faktor fisik dan

batasan biaya dari perangkat jaringan yang dipakai.

Secara khusus, ketersediaan komponen 10 Gigabit

Ethernet dapat mengatasi keterbatasan karena

menawarkan kapasitas yang lebih besar namun masih

terlampau mahal.

Arsitektur data center sendiri yang banyak digunakan

saat ini adalah arsitektur three-tier (Gambar 3).

Arsitektur ini terdiri atas lapisan a) access, b) aggregation,

c) core. Keberadaan lapisan aggregationmeningkatkan

jumlah node server (lebih dari 10000 server) dengan

tetap menjaga Layer-2 menggunakan switchyang tidak

terlalu mahal pada jaringan access yang menyediakan

topologi loop-free. Link antara core dan aggregation

berkapasitas 10 GE sedangkan link antara aggregation

dan accessberkapasitas 1 GE. Beberapa datacenterada

yang masih menggunakan arsitektur two-tier dimana

pada arsitektur two-tier, computing server (S) disusun

ke dalam rak membentuk jaringan tier-one. Padajaringan tier-two, switch pada Layer-3 (L3)

menyediakan konektivitas mesh penuh menggunakan

link 10 GE. Pada perkembangan selanjutnya dengan

tersedianya link dengan kapasitas 100 GE, maka

dikembangkan arsitektur data center three-tier high-

speedyang pada dasarnya sama dengan arsitektur three-

tier hanya saja kapasitas linknya sepuluh kali lipat

daripada arsitektur three-tier yakni untuk kapasitas link

antara core dan aggregation menjadi 100 GE, antara

aggregation dan access menjadi 10 GE sedangkan

antara access dengan server tetap 1 GE.

Gambar 3. ArsitekturDataCenterThree-tier [3]


4/9


Dynamics voltage and frequency scaling (DVFS).

Dynamic voltage scalingadalah pengelolaan daya pada

arsitektur komputer dimana tegangan yang digunakan

oleh komponen dapat diturunkan atau dinaikan sesuai

kebutuhan. Dynamic voltage scaling untuk menaikan

tegangan disebut overvolting sedangkan untukmenurunkannya disebut undervolting. Undervolting

dilakukan untuk konversi energi sedangkan overvolting

dilakukan untuk meningkatkan kinerja komputasi.

Demikian halnya dengan dynamic frequency scaling,

dilakukan dengan cara menaikan frekuensi kerja untuk

meningkatkan kinerja dan menurunkannya untuk

menghemat energi. DVFS adalah teknik umum yang

banyak digunakan dalam mekanisme penghematan

penggunaan daya mulai dari sebuah sistem embedded,

laptop, PC sampai dengan sebuah sistem server. DVFS

mampu mengurangi konsumsi daya pada rangkaian

terpadu CMOS seperti pada komputer modern dengan

menurunkan frekuensi operasi melalui Pers. (1):

PstaticCfVP +=2 (1)

Dengan C adalah kapasitansi kapasitor gerbang (yang

tergantung pada ukuran fitur), f adalah frekuensi kerja

dan V adalah suplai tegangan. Tegangan yang

diperlukan untuk operasi yang stabil ditentukan oleh

frekuensi dimana rangkaian mendapat clock. Hal ini

dapat mengakibatkan pengurangan yang signifikan dari

konsumsi daya karena hubungan V2.

Menurut Sueur & Heiser [8], kesimpulan yang didapat

dari hasil penelitiannya menunjukkan bahwa 1) DVFS

hanya mampu mengubah besarnya konsumsi daya

dinamis (dynamic power) sementara daya statis (staticpower) meningkat, 2) mode sleep/idle lebih efektif

diterapkan dari pada penurunan tegangan/frekuensi

dalam penurunan konsumsi daya, 3) implementasi

DVFS pada prosesor multi-core lebih rumit dan

keuntungan secara finansialnya kecil

Dynamics Shutdown (DNS). Dengan pertimbangan

bahwa server yang dalam kondisi idel tetap

mengkonsumsi energi sebesar 66% dari kapasitas

penuhnya [8] maka pada mekanisme DNS, skema

penghematan dilakukan dengan cara mematikan server

yang dalam kondisi idel sehingga konsumsi energi bisa

ditekan pada kondisi minimal.

Greencloud [9] adalah packet level simulator yang

merupakan ekstensi dari Network Simulator Ns2 [7]

yang digunakan untuk mengukur konsumsi energi dari

data center. Secara default, arsitektur dari data center

yang disediakan oleh greencloud adalah arsitektur

three-tier. Jadi greencloud adalah simulator untuk

konsumsi daya listrik data center. Data center ini

adalah bagian dari arsitektur cloud computing yang

berada pada lapisan IaaS (Gambar 1).

2. Metode Penelitian

Greencloud adalah sebuah ekstensi dari Network

Simulator NS2 yang dikembangkan untuk mempelajari

environment dari komputasi awan. Greencloud

menawarkan kepada pemakainya pemodelan mengenaikonsumsi energi oleh elemen-elemen dari data center

seperti server, switch dan link. Lebih khusus lagi

Greencloudfokus kepadapacket-levelsimulationsbagi

komunikasi pada data center yang tidak ditemui pada

simulator lainnya.

Pada simulator Greencloud diimplementasikan model

energi untuk switchdan linkberdasarkan kepada Chen

et al. [10] dengan nilai konsumsi daya untuk elemen

yang berbeda diambil urutannya berdasarkan

Mahadevan et al. [5]. Skema penghematannya meliputi

1) hanya DVFS, 2) hanya DNS, dan 3) DVFS dan DNS.

Workload (beban kerja) adalah obyek yang dirancanguntuk pemodelan universal bagi berbagai macam

pengguna layanan cloud, seperti misalnya jejaring sosial,

instant messaging, dan content delivery. Pada grid

computing, workload biasanya dimodelkan sebagai

urutan pekerjaan (job) yang dibagi-bagi ke dalam

sekumpulan tugas (task). Sebuah task dapat berdiri

sendiri, atau memerlukan sebuah output dari dari task

lain untuk memulai eksekusi. Lebih lanjut lagi, karena

ciri dari aplikasi grid computing (misalnya pemodelan

biologis, keuangan, dan cuaca) jumlah job yang ada

lebih banyak daripada sumber daya komputasi yang

tersedia.

Agar dapat mencakup semua jenis aplikasi cloud, makadidefinisikan tiga jenis job, yaitu [3]:

Computationally Intensive Workloads (CIW) adalah

model aplikasi high performance computing (HPC)

yang bertujuan memecahkan masalah komputasi tingkat

lanjut. CIW membebani computing server dan hampir

tidak ada transfer data pada jaringan interkoneksi dari

data center. Proses efisiensi energi pada CIW terletak

pada konsumsi daya server dimana server mencoba

untuk mengelompokkan workload pada sekecil

mungkin jumlah server dan perute-an traffic yang

dihasilkan menggunakan seminimal mungkin rute.

Data-Intensive Workloads (DIW) adalah modelkebalikan dari CIW dimana pada model ini memerlukan

transfer data yang besar dan hampir tidak ada

pembebanan pada server.

Balanced Workloads (BW) bertujuan untuk

memodelkan aplikasi yang memiliki kemampuan

komputasi seperti CIW dan transfer data seperti DIW.

Pada bagian ini akan dilakukan studi kasus perhitungan

konsumsi energi pada datacenteruntuk arsitektur two-

tier(2T) dan three-tier(3T) yang meliputi three-tier fat-


5/9


tree (3Tft) dan tree-tier high-speed (3Ths). Bandwidth

antara lapisan core dan aggregation didistribusikan

menggunakan teknologi multi-path routing seperti

routing equal cost multi-path (ECMP). Teknik ECMP

adalah strategi routing dimana pengiriman paket

berikutnya pada satu tujuan dapat menempuh berbagaijalur terbaik yang nantinya akan diletakkan pada urutan

teratas dari tabel routing. Untuk arsitektur three-tier,

karena menggunakan ECMP, maka jumlah maksimum

switch coreadalah delapan [3].

Dalam melakukan pengukuran kinerja, skenario

pengukuran kinerja antara 3Tft dengan 3Ths akan

digunakan jumlah server (computing node) yang sama

yakni sebanyak 3072 server. Untuk skenario simulasi

ditunjukkan pada Tabel 1. Penentuan parameter

simulasi mengacu pada Kliazovich et al. [3] dengan

perbedaan pada jenis workload. Jika pada Kliazovich et

al. [3] jenis workloadyang digunakan adalah balancing

workloadssedangkan pada penelitian ini jenis workloadadalah computationally intensive workloads(CIW) atau

sering disebut dengan high performance computing

(HPC). Hal ini dilakukan untuk menguji apakah dengan

jenis workload ini, skema penghematan menghasilkan

tingkat efisiensi yang lebih baik. Pada arsitektur 2T,

data center tidak terdapat switch aggregation. Switch

core langsung dihubungkan dengan jaringan access

menggunakan link1 GE (linkC2-C3) dan interkoneksi

antar core switch menggunakan link 10 GE (C1-C2).

Arsitektur 3Ths merupakan peningkatan dari 3Tft

dengan menyediakan bandwidth sepuluh kali lipat

antara linkcoredengan aggregation(C1-C2) dan antara

aggregationdengan jaringan accessmasing-masing 100

GE dan 10 GE. Keberadaan link100 GE memungkinkanjumlah core pada arsitektur 3Ths sebagaimana

mekanisme jumlah jalur pada perutean ECMP dibatasi

hanya sebanyak dua (2) buah untuk melayani jumlah

switch pada lapisan access yang sama jumlahnya

dengan arsitektur 2T dan 3Tft.

Tabel 1. Skenario Parameter Simulasi

ParameterArsitekturDataCenter

Two-tierThree-tier

fat-tree

Three-tier

high-speed

Topologi

Jumlah Core (C1)

Aggregation node (C2)

Access Switch (C3)

Server (S)Link(C1-C2)

Link(C2-C3)

Link(C3-S)

16

-

64

307210 GE

1 GE

1 GE

8

16

128

307210 GE

1 GE

1 GE

2

4

512

3072100 GE

10 GE

1 GE

Link Propagation Delay 10 ns

DataCenter Beban rata-rata DC

Jenis Beban Kerja User

(Workload )

Waktu Simulasi

30 %

High Performance Computing

60 menit

Selanjutnya simulasi akan dibagi ke dalam 4 buah

skenario berdasarkan parameter pada Tabel 1 meliputi:

1) Skenario I: Perhitungan konsumsi energi tanpa skema

penghematan. Pada skenario ini, akan diukur konsumsi

energi datacenteryang meliputi server dan switchpada

ketiga macam arsitektur DC (datacenter); 2) SkenarioII: Perhitungan konsumsi energi dengan skema

penghematan DVFS baik pada server maupun switch; 3)

Skenario III: Perhitungan Konsumsi Energi dengan

Skema Penghematan DNS baik pada server maupun

switch; 4) Skenario IV: Perhitungan konsumsi energi

dengan skema penghematan DVFS dan DNS sekaligus

baik pada server maupun switch.

Dari hasil simulasi akan dilihat skema penghematan

yang mana yang paling baik dan bentuk penyajian hasil

pengukuran dibuat dalam bentuk kuantitatif berbentuk

tabel dan secara kualitatif dalam bentuk grafik.

3. Hasil dan Pembahasan

Pada bagian awal ini, akan ditampilkan hasil simulasi

untuk ketiga macam arsitektur DC namun tanpa skema

penghematan energi baik pada server maupun switch

seperti ditunjukkan pada Tabel 2. Dari Tabel 2,

konsumsi daya oleh server memakan porsi rata-rata

sebesar 70% dari total konsumsi energi dari datacenter

sementara linkkomunikasi dan switchkurang lebih 30%.

Untuk konsumsi daya switch sendiri, untuk kasus

arsitektur three-tiermisalnya, dipecah kembali menjadi

11% untuk core switch kemudian 23% untuk

aggregation switch dan 66% untuk access switch. Hal

ini menunjukkan bahwa setelah server menurunkan

konsumsi dayanya maka pengaruh paling tinggi dialamioleh switchdi lapisan access.

Pada Gambar 4 lebih jelas lagi terlihat bahwa pada

skema tanpa penghematan energi, hanya sekitar 30%

atau sepertiga dari seluruh kapasitas server (kurva sebelah

Tabel 2. Distribusi Konsumsi Energi DC tanpa Skema

Penghematan

Parameter

Konsumsi Daya (kWh)

Two-tier (2T)Three-tierFat-tree

(3Tft)

Three-tierhigh-speed

(3Ths)

DataCenterServer

Switch

Core (C1)Aggregation (C2)

Access (C3)

16,016411,7010

(73,06%)

4,3152

(26,94%)

1,58480

2,7304

15,755611,7010

(74,27%)

4,0546

(25,73%)

0,45540,9108

2,6884

15,847211,7010

(73,84%)

4,1462

(26,16%)

1,00980,4480

2,6884

DC Load 27,8% 27,8% 27,8%


6/9


kiri grafik) yang berada pada peak rate. Sedangkan

hampir 2/3 dalam kondisi idel sehingga skema DNS

dapat diterapkan. Sebagian kecil dari server, pada grafik

di bagian yang menurun, dimana server sedikit dibawah

kondisipeak rate, skema DVFS dapat diterapkan.

Skenario kedua seperti ditunjukkan oleh Tabel 3 adalah

hasil simulasi dari arsitektur datacenterdengan metode

penghematan menggunakan skema DVFS. Pada skema

penghematan menggunakan DVFS hasilnya terlihat

pada Tabel 3, tampak bahwa konsumsi daya meningkat

pesat pada server sedangkan pada switchbesarnya tidak

terlalu berbeda jauh dengan tanpa skema penghematan

seperti pada Tabel 2. Hal ini disebabkan karena jenis

dari workloaddari clouduseradalah HPC dimana pada

workload jenis ini hampir semua proses komputasi

berlangsung pada server sehingga untuk melakukan

proses komputasi memerlukan lebih besar daya listrik

namun dilaksanakan oleh jumlah server yang lebih

sedikit, terlihat pada besarnya DC loaddikisaran 18,8%dibandingkan dengan 27,8% pada skenario pertama.

Gambar 4. Distribusi Beban Kerja Pada Server Tanpa

Skema Penghematan

Tabel 3. Distribusi Konsumsi Energi DC untuk Skema

Penghematan DVFS

Parameter

Konsumsi Daya (kWh)

Two-tier

(2T)

Three-tier

Fat-tree

(3Tft)

Three-tier

high-speed

(3Ths)

DataCenterServer

Switch

Core (C1)Aggregation (C2)

Access (C3)

2865,60152861,2199

(99,85%)

4,3816

(0,15%)

1,60920

2,7724

2865,37332861,1909

(99,86%)

4,1824

(0,14%)

0,47070,9393

2,7724

2865,96872861,6929

(99,85%)

4,2758

(0,15%)

1,04140,4620

2,7724

DC Load 18,8% 18,8% 18,8%

Skenario ketiga ini menggunakan skema penghematan

energi dynamic shut-down (Tabel 4). Pada skema

penghematan menggunakan DNS, terlihat cukup besar

penghematan yang dihasilkan. Seperti pada kasus

skenario pertama, sebagian besar konsumsi energi

(sebesar 99,98%) dialokasikan pada server karenaworkload yang digunakan adalah HPC. Namun

konsumsi daya pada server telah mengalami

penghematan jika dibandingkan dengan tanpa skema

penghematan rata-rata sebesar 63,42%.

Skenario ke empat ini menggunakan skema

penghematan energi DVFS dan DNS (Tabel 5). Pada

skema penghematan dengan DVFS dan DNS, hasilnya

adalah kombinasi dari skema DVFS dan DNS dimana

konsumsi daya pada data center meningkat sesuai

dengan skema DVFS sedangkan pada switchmenurun

sesuai dengan skema DNS.

Tabel 4. Distribusi Konsumsi Energi DC untuk SkemaPenghematan DNS

Parameter

Konsumsi Daya (Wh)

Two-tier

(2T)

Three-tier

Fat-tree

(3Tft)

Three-tier

high-speed

(3Ths)

DataCenterServer

Switch

Core (C1)

Aggregation (C2)Access (C3)

4281,064280,30

(99,98%)

0,76

(0,02%)

0,22

0,000,43

4280,954280,30

(99,98%)

0,65

(0,02%)

0,11

0,110,43

4280,954280,30

(99,99%)

0,65

(0,01%)

0,22

0,110,43

DC Load 27,8% 27,8% 27,8%

Tabel 5. Distribusi Konsumsi Energi DC untuk SkemaPenghematan DVFS dan DNS

Parameter

Konsumsi Daya (Wh)

Two-tier(2T)

Three-tierFat-tree

(3Tft)

Three-tierhigh-speed

(3Ths)

DataCenterServer

Switch

Core (C1)

Aggregation (C2)Access (C3)

2859026,062859025,30

(100%)

0,76

(0%)

0,22

0,000,43

2858996,962858996,30

(100%)

0,30

(0%)

0,11

0,110,44

2859499,08285998,30

(100%)

0,78

(0%)

0,22

0,110,45

DC Load 18,8% 18,8% 18,8%


7/9


Dari keseluruhan pengujian, tampak bahwa untuk jenis

workload HPC, penghematan terbesar diperoleh melalui

skema DNS.

Skema DVFS berhasil menurunkan beban dari data

center dari rata-rata 30% pada tanpa skema dan DNSmenjadi kurang dari 20% dan selama proses simulasi

menurun. Namun bila dilihat dari beben tiap server,

seperti terlihat pada Gambar 4, terlihat bahwa pada

kondisi tanpa skema, server yang terbebani kurang lebih

30% dari total server sedangkan sisanya (70%) dalam

kondisi tidak terbebani namun tetap mengkonsumsi

energi cukup besar karena menurut [10] meskipun dalam

keadaan idle, server-server tersebut mengkonsumsi

energi sebesar 66% dari kondisi terbebani penuh.

Bila dibandingkan dengan skema DNS pada Gambar 4

di atas, grafiknya mirip dengan yang tanpa skema.

Namun sebetulnya dari segi konsumsi energi skema

DNS lebih hemat (63,42%) dibandingkan dengan tanpaskema karena pada skema DNS server yang dalam

kondisi idle benar-benar di-shotdown sehingga

konsumsi energinya berada pada kondisi minimal dan

konsumsi daya dari switch juga berhasil diturunkan

karena proses komputasi seluruhnya berlangsung pada

server, dan proses komputasi tersebut dilaksanakan oleh

kurang lebih 30% dari total server.

Sebaliknya pada skema DVFS, beban server tersebar

hampir merata ke seluruh server sehingga total

konsumsi energi dari server data center akan sangat

membesar. Dengan tambahan skema DNS, tidak banyak

berpengaruh terhadap beban server namun sangat

berpengaruh terhadap beban pada switch dimanaberhasil diturunkan sampai mencapai 100%.

Yang paling jelas menunjukkan perbedaan adalah pada

konsumsi energi tiap server seperti ditunjukkan pada

Gambar 5. Pada skema tanpa penghematan terlihat jelas

bahwa 70% server yang dalam kondisi idle tetap

mengkonsumsi energi bandingkan dengan misalnya

dengan skema DNS dimana tampak pada grafiknya

bahwa pada skema ini server yang dalam kondisi idle

sama sekali tidak mengkonsumsi energi alias nol

sehingga konsumsi energi server secara keseluruhan

menurun drastis bila dibandingkan dengan tanpa skema.

Sedangkan pada skema DVFS, konsumsi energi

menyebar ke seluruh server dengan lonjakan sangatbesar pada server pertama (2850814,41 Wh yang tidak

terlihat pada grafik). Penambahan skema DNS tidak

banyak berpengaruh terhadap penurunan konsumsi daya

dari server namun berpengaruh cukup signifikan

terhadap pengurangan daya pada switch.

Gambar 4. Grafik Sebaran Beban Server terhadap Banyaknya Server untuk berbagai Skema Penghematan


8/9


Gambar 5. Grafik Konsumsi Energi Tiap Server untuk berbagai Skema Penghematan

Akhirnya dari segala uraian di atas skema penghematan

terbaik untuk ketiga jenis arsitektur datacenteradalahskema DNS (dynamic shutdown) dengan jenis workload

adalah high performance computingatau computationally

intensive workload (CIW) dimana hampir seluruh

proses komputasi berlangsung di server. Konsumsi daya

pada switch juga berhasil ditekan pada titik sangat

rendah.

4. Simpulan

Setelah dilakukan simulasi konsumsi daya pada data

centeruntuk arsitektur two-tier, three-tierdan three-tier

high-speed, dengan menerapkan skema penghematan

energi DVFS dan DNS diperoleh hasil sebagai berikut:

(1) Pada skema tanpa penghematan energi, untuk ketiga

arsitektur datacenter, konsumsi energi terbesar berada

pada server rata-rata sebesar 73,72% sedangkan sisanya

sebesar 26,28% dikonsumsi oleh switch, sedangkan

jumlah server yang mengalami peak rate rata-rata

sebanyak 27,8%; (2) Pada skema penghematan DVFS,

konsumsi terbesar tetap pada server dengan lonjakan

cukup drastis rata-rata hampir 100% dengan konsumsi

energi pada switchrelatif sama dengan pada kasus tanpa

skema penghematan, namun jumlah server yang

mengalamipeak ratemenurun rata-rata sebesar 18,8%;

(3) Skema penghematan DNS merupakan skemapenghematan terbaik untuk tipe workload HPC karena

berhasil menghemat penggunaan energi listrik baik pada

server maupun switch sebesar masing-masing 63,42%

dan hampir 100%; (4) Penerapan skema penghematan

DVFS dan sekaligus DNS tidak memberikan hasil yang

lebih baik untuk kasus workload HPC.

Daftar Acuan

[1] Antara News, Bisnis Beralih pada Investasi

Komputasi Awan.

http://www.antaranews.com/berita/300251/bisnis-

beralih-pada-investasi-komputasi-awan, 2012.

[2]

C. Hewitt, IEEE Internet Computing, 12/5 (2008) 96,

http://www.computer.org/portal/web/csdl/doi/10.11

09/MIC.2008.1072012

[3] D. Kliazovich, P. Bouvry, S.U. Khan, 53rd IEEE

Global Communications Conference (Globecom),

Miami, FL, USA, 2010.

[4]

S.-Y. Jing, S. Ali, K. She, Y. Zhong, J. Supercomput.

(2011) 1-24, http://www.chinacloud.cn/upload/2011-

12/11121414522296.pdf. DOI 10.1007/s11227-011-

0722-1.


9/9


[5]

P. Mahadevan, P. Sharma, S. Banerjee, P.

Ranganathan, Energy Aware Network Operations,

IEEE INFOCOM workshops, 2009, p.1.

[6] D. Filani, Intel Corp, Intel Technol. J. 12/1 (2008)

1.DOI: 10.1535/itj.1201.06.

[7]

The Network Simulator Ns2,http://www.isi.edu/nsnam/ns/, 2010.

[8] E.L. Sueur, G. Heiser, Proceedings of the 2010

Workshop on Power Aware Computing and

Systems (HotPower'10), NICTA and University of

New South Wales, 2010.

[9]

Greencloud - The Green Cloud Simulator,

http://greencloud.gforge.uni.lu/ diakses tanggal 10

Februari 2012.

[10]Y. Chen, A. Das, W. Qin, A. Sivasubramaniam, Q.

Wang, N. Gautam, Proceeding of the ACM

SIGMETRICS International Conference onMeasurement and Modeling of Computer Systems,

ACM, New York,2005, p.303.

Mohamad F Dan Kalamullah Ramli

Documents

Transcript of Mohamad F Dan Kalamullah Ramli